Géomatisation des vols d'automobiles et de camions légers à Sherbrooke et à Roussillon
Bibliographic record
Abstract
Résumé : L'utilisation des systèmes d'information géographique (SIG) pour l'analyse des actes criminels est en progression dans de nombreux pays. Pourtant, ils sont encore peu utilisés par les différents corps policiers québécois. Les SIG peuvent servir à diverses analyses dont la gestion du risque. Les vols d'automobiles et de camions légers s'avèrent problématiques par leur nombre et leurs conséquences sociales et économiques. À Sherbrooke en 2003, le ratio de vols par 100 000 habitants (648) était aussi élevé que celui de la ville de Montréal, avec près de 659 vols. En fait, les vols de véhicules à moteur à Sherbrooke sont deux fois plus importants qu'à Trois-Rivières (342), Gatineau (324) et Saguenay (271), qui sont des municipalités de population de taille semblable. Pour la Régie intermunicipale de police de Roussillon (RIPR) (317), le taux de vols se rapprochait de celui des villes précitées. Le but de cette recherche est de réaliser un bilan de la situation des vols d'automobiles et des camions légers selon leur évolution dans le temps et l'espace. L'analyse porte sur Sherbrooke entre 2000 et 2004 et sur Roussillon entre 2003 et 2004. Les données criminelles provenant des deux corps policiers seront géoréférencées par l'adresse civique. Le réseau routier sert de couche de référence. Pour la ville de Sherbrooke, les liens entre les vols et certaines caractéristiques socio-économiques seront vérifiés. Cette recherche vise à démontrer la pertinence de l'utilisation de la géomatique pour l'analyse de la criminalité, en utilisant les vols comme thématique. En identifiant le portrait global de la situation des vols à Sherbrooke et à Roussillon, il sera possible de mieux gérer l'allocation de ressources policières. Le Service de police de Sherbrooke et la RIPR pourraient être dans les premiers corps policiers québécois à miser sur les SIG pour l'étude la criminalité.||Abstract : The use of the geographical information systems (GIS) for the analysis of the criminal acts is in progression in many countries, however they are used still little by the various police agencies in Québec. GIS can be used with various analyses, likes law enforcement. Vehicle thefts and light trucks prove to be problematic by their significant number and their social and economic consequences. At Sherbrooke, in 2003, the ratio of motor vehicle thefts by 100000 inhabitants (648) was barely the same as Montréal, with nearly 659 thefts. That represents a rate equivalent to twice of the police department of the same size like Trois-Rivières (342), Gatineau (324) and Saguenay (271). For the Régie de police de Roussillon (317), the rate of thefts approaches these last. The aim of this research is to carry out an assessment of the situation of the thefts of cars and light trucks according to their evolution in time and space.The analysis relates on Sherbrooke between 2000 and 2004 and Roussillon between 2003 and 2004.The criminal data will be geocode by the civic address.The road network is used as layer of reference.The links between thefts and of socio-economic data will be analyzed for Sherbrooke. This research aims at showing the relevance of the tool, geomatic, for the analysis of criminality by using thefts as reference themes. By identifying the patterns of vehicle thefts within Sherbrooke and Roussillon, it will be possible to better manage the police resource.The Sherbrooke police service and the Régie intermunicipale de police de Roussillon could become one of the first Québec police department using GIS to study criminality.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".